使用说明

🧠 金融联合试点-巴诺特挑战

金融联合试点 是为 Banorte挑战：金融MCP. 允许用户 个人的 y 中小企业 以Excel格式加载您的财务记录，处理它们并获得详细的分析 人工智能产生的建议.

🚀 主要特征

加载Excel文件（.xlsx） 有财务记录。
描述性分析 收入、支出和财务模式。
投影和可视化 互动。
个性化建议 由人工智能模型（OpenAI）生成。
建筑 desacoplada前端-后端，以实现最大的灵活性和可扩展性。

🧩 项目总体架构

该系统由两个主要模块组成：

前端（客户端）

内置于 React（Vite）.
使用 阿西奥斯 对于HTTP请求和 重图表 用于数据显示。
直观和适应性强的界面。
部署地点： 👉 http://141.148.66.152/

后端（ MCP 服务器）

发展与 FastAPI（Python）.
使用处理数据熊猫.
与…沟通 OpenAI 生成智能分析和建议。
作为 MCP（模型上下文协议） 它集中了业务逻辑、数据处理和与外部API的交互。
部署地点： 👉 http://129.213.136.1/

🔁 数据流与体系结构

用户（客户）： 在浏览器中打开React Web应用程序。
文件上传： 用户选择Excel文件并按 “接受和分析”.
HTTP请求（POST）： React通过发送文件到服务器 阿西奥斯.
后端（FastAPI）：
- Endpoint/API/V1/Analysis/Financial/接收请求。
- 处理Excel 熊猫（清洁、分析和分类）。
人工智能通话：
- 后端生成带有分析摘要的提示符。
- 发送到 openai，返回**文本建议（标记/html）.
MCP的回应：
- 分析结果和建议分组为 JSON.
前端（React）：
- 收到JSON。
- 显示A 支出和收入。
- 介绍 人工智能建议 由Openai生成。

🧰 使用的技术

层	技术	描述
前端	React+Vite	现代快速界面
	Axios	与后端的通信
	Recharts	动态和互动图形
后端	Fastapi	轻量级快速API框架
	熊猫	数据处理和分析
	OpenAI API	使用IA生成建议
基础设施	云VM	远程前端和后端部署（端口80）

⚙ 执行指南（当地发展）

🔸 先决条件

确保已安装：

Node.js （v18o高级）
python （v3.10高级版）
Git

🖥 1. 后端（MCP服务器 – FastAPI）

后端必须首先运行，因为前端依赖它来获取数据。

bash

1.克隆后端存储库

git 克隆 <URL_DEL_REPOSITORIO_BACKEND> 光盘

2.（可选）创建虚拟环境

python-m venv-venv

激活虚拟环境

En Windows：

.\venv\Scripts\activate

英语Linux/Mac：

源venv/bin/activate

3.安装依赖项

pip安装-r要求.txt

确保包括：Fastapi、Uvicorn、Pandas、Openai等。

4.运行服务器

uvicorn app.main：应用程序--主机0.0.0.0--端口8000--重新加载

📡 后端将位于： http://127.0.0.1:8000

💻 2.前端（客户端-反应）

在一个新的终端上：

bash

1.克隆前端存储库

git 克隆 <URL_DEL_REPOSITORIO_FRONTEND> 光盘

2.安装依赖项

npm安装

3.执行应用程序

npm运行开发

🌐 该应用程序将在您的浏览器中打开： http://localhost:5173

⚠ 不重要

如果您正在运行 后端本地程序 （本地主机：8000），确保 realization变量后端URL 在文件中 UploadView.jsx下载：

js公司 const后端URL=“http://127.0.0.1:8000/";

在生产中，您必须指向服务器的IP：

js公司 const后端URL=“http://129.213.136.1/";

🧾 学分

为 Banorte挑战-金融MCP 团队：金融联合飞行员架构：前端+MCP后端+IA（OpenAI）

🌐 前端： http://141.148.66.152/ 🖥 后端： http://129.213.136.1/